日本国家Attract Lab宣布开发了大型语言模型（LLM）作为机器人“智能大脑”的自主控制系统——「AT-SYNAPSE」。
AT-SYNAPSE是一款机器人AI平台，支持Claude、ChatGPT、Gemini等符合MCP（Model Context Protocol）连接标准的各种LLM代理，无论类型均可使用。
该系统能够理解语音或文本的自然指令，基于摄像头和3D LiDAR等传感器获取的信息识别周围环境，机器人可自主判断并执行自主移动及危险回避等安全停止操作。
平台采用基于ROS 2的开放架构，适用于服务机器人、移动机器人（AMR、UGV）、研发等多种机器人类型。
开发背景
近年来，ChatGPT、Claude、Gemini等大型语言模型迅速发展，不仅具备自然对话能力，还大幅提升了图像理解和推理能力。
然而，要将其应用于实际机器人，需要实现摄像头、LiDAR、马达控制、语音对话等多功能的实时且安全协同。
Attract Lab结合多年ROS2机器人系统开发经验与最新LLM技术，打造了能与人自然对话、理解环境并自主决策行动的机器人AI平台「AT-SYNAPSE」。
「AT-SYNAPSE」主要特点
自由选择支持MCP的LLM代理
系统兼容所有支持MCP协议的LLM代理，如Claude、ChatGPT、Gemini等，用户可根据应用场景和运行环境选择最适合的LLM，实现不依赖单一AI服务的灵活系统架构。
支持语音与文本的自然指令输入
系统支持唤醒词后的语音命令和桌面应用输入的文本命令，用户可用自然语言向机器人发出指令，LLM理解意图后转换为相应行动。
结合六大基础工具实现高级环境判断
LLM根据环境状况灵活调用以下六大工具进行判断和执行：
- Vision：通过摄像头识别和描述物体及周围环境
- Speech：语音响应与对话
- Face：通过表情表达思考、喜悦、困惑等状态
- Motion：基本移动操作，如前进、后退、原地旋转、停止
- Navigation：路径规划与自主导航
- Safety：利用3D LiDAR和摄像头检测障碍物并安全停止
通过整合这些工具，LLM能做出符合环境的复杂判断。
实时可视化传感器数据与LLM推理过程
系统实时监控电池电压、左右车轮转速（RPM）、障碍物距离和方向等数据。
专用Web控制台「AT-SYNAPSE Robot Console」展示摄像头画面、各类传感器信息及机器人识别内容和LLM推理过程，方便开发、测试和维护时的调试与动作分析。
以安全为核心设计的自主控制
系统采用以安全为优先的控制架构，当前方通过3D LiDAR或摄像头检测到障碍物时，机器人会自动停止行驶。
在判断不明确的情况下，LLM会向用户确认，未获得明确许可前不会执行可能存在危险的动作。
预期应用场景
- 服务机器人
- 工厂及工厂巡检
- 自主搬运机器人（AMR、UGV）
- 灾害应对机器人
- 接待及导览机器人
- 教育与研发
- 机器人概念验证（PoC）
未来展望
Attract Lab计划以「AT-SYNAPSE」为核心软件平台，推广至无人机（UAV）、无人车（UGV）、无人船（USV）等多种机器人领域。
同时，将进一步强化与支持MCP的多样LLM及AI服务的联动，扩展云端、边缘AI与机器人控制的集成，打造下一代机器人平台，推动人与机器人自然协作的社会实现。
“通过赋予机器人‘思考的大脑’，人们只需用自然语言表达‘希望机器人做什么’。但随着自主化程度提升，安全性变得尤为重要。AT-SYNAPSE设计核心是‘感知危险时自动停止’和‘判断不清时向人确认’的基本原则。我们将持续推进AT-SYNAPSE成为人人都能安心使用的下一代机器人通用平台。”
——代表取缔役 伊豆智幸氏
